继续请教问题:关于 Pytorch 的 Autograd

雷达

- ~& o2 S- T% [, u% l. G5 k为预防老年痴呆，时不时学点新东东玩一玩。
/ X& Q  c! O) n: Q  d6 a2 CPytorch 下面的代码做最简单的一元线性回归：
3 ?# ^1 z9 {# D6 b& O9 C----------------------------------------------
; N$ k- F# b" `# m; g4 U4 jimport torch
import numpy as np
% O0 l' q  q) x  h- ^import matplotlib.pyplot as plt
import random
$ Y6 q- X# E4 I% P/ A7 l$ f4 g
) g. x4 {( t$ H  X! a; zx = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

  {+ x) K$ F, z2 Zw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
4 K# @% h$ D1 ^* G* g" q$ U+ t
losses = []
for i in range(epochs):
8 S* \) o& }& \; W7 M  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
+ g3 J  _5 U! i5 N( {
5 b( @8 J) U4 j; s, I9 P  loss = torch.square(y_pred - y).mean()   #计算 loss
/ w3 l4 M6 J2 X+ y  losses.append(loss)
# i7 I7 y2 `- b  
. m/ G* c" I. \0 }- N, X' s  loss.backward() # autograd
9 \1 e: M+ t# [9 l# d  with torch.no_grad():
! J5 N% M' A. ^3 V4 P    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

; B9 e" {8 X. @& J9 e5 N9 _print(w.item(),b.item()) #结果

4 I* k) M* i* D. ?# U2 f6 l' j/ mOutput： 27.26387596130371  0.4974517822265625
& g# N# I) S9 s1 v4 w; P& A! l----------------------------------------------
- F. c9 \; ^. E) I; P! y# B* _4 r最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？
4 C% o: E/ F. t3 J) E0 V$ G

老福

9 N9 _' V: I+ o' ]8 _- [! g; A
% G  k9 L5 K* q/ m没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
. n. t- @- O  L  x! e-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
6 r! M6 P3 j8 l/ K/ S8 [( o4 ]/ x4 O算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
- E6 b0 |' `3 [$ a( c$ Z-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
谢谢，算法应该没问题，就是最简单的线性回归。
  y5 M. Z. \- U5 N  E+ K( A我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

8 s2 b) j& p& k刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

7 z* s) E  ?- M! q# R+ m1 [或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
4 d. C9 I. W: T刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

/ w. {( Q+ l4 `. ]) r或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
  A4 q) Y) e& r#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
- Q9 J/ j. P: H1 L" L- z
& }4 N; z! O8 s) Y3 Z循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。